用于运动静力学蛋白质折叠的符号梯度下降算法
系统与控制
2023-08-16 v1 系统与控制
最优化与控制
生物大分子
摘要
本文提出一种符号梯度下降（SGD）算法，用于在运动静力学柔度法（KCM）下预测三维折叠蛋白质分子结构。在 KCM 框架中（可用于模拟基于肽的纳米机器人/纳米机器的运动范围），蛋白质分子被建模为大量刚性纳米连杆，其在化学键施加的运动约束下构成运动机构，同时在非线性原子间力场的运动静力学效应下折叠。与传统的连续运动静力学折叠柔度框架不同，本文提出的基于 SGD 的迭代算法以更快且更鲁棒的方式收敛至蛋白质分子自由能的局部极小值，对应于其最终折叠构象。基于 KCM 的蛋白质分子主链链折叠动力学模拟证明了该算法的有效性。
引用
@article{arxiv.2308.07453,
title = {Sign Gradient Descent Algorithms for Kinetostatic Protein Folding},
author = {Alireza Mohammadi and Mohammad Al Janaideh},
journal= {arXiv preprint arXiv:2308.07453},
year = {2023}
}
备注
6 pages, Accepted in 2023 International Conference on Manipulation, Automation and Robotics at Small Scales (MARSS 2023)